Computers have never been good at answering the type of verbal reasoning questions found in IQ tests. Now a deep learning machine unveiled in China is changing that. Just over 100 years ago, the German psychologist William Stern introduced the intelligence quotient test as a way of evaluating human intelligence. Since then, IQ tests have become a standard feature of modern life and are used to det
Caffe Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR) and by community contributors. Yangqing Jia created the project during his PhD at UC Berkeley. Caffe is released under the BSD 2-Clause license. Check out our web image classification demo! Why Caffe? Expressive architecture encourages application and innovat
中山浩太郎(東京大学 知の構造化センター) はじめに「Deep Learningに関するブックマークの記事を書いてほしい」 原稿依頼を受けたときはあまり深く考えず引き受けたのだが、いざ執筆する段階になって、学会誌という永続性の高い紙媒体でWebブックマークのような不確実性の高い(永続性が保証されない)情報を残す場合、どのようなスタイルで提供すれば読者に役に立つ情報になるのか考させられた。そもそもブックマークは往々にして単なるリンクの羅列であり、結局どのリンクが重要なのか、読者が判断するという形式だ。これではリンクを開いてがっかりする読者が多くなってしまうのではないかと危惧した。そのため、個人的に重要度の高いと思うものを絞り込んで、説明文とともに少し長めの紹介していくという形式を取りたい。これは、重要なものはリンクとしては消えにくいだろうという仮説と、重要かどうかの判断材料になればという期待
最近Deep Learning界隈で話題のDark Knowledgeについて。 Deep Learningの教祖、Hinton先生がとあるところで”Dark Knowledge”というタイトルで発表されていました。 最初タイトルを見た時に、やばい、黒魔術的な何かか?!中二病的な何かか!と思いました笑 “Don’t be evil”なんてなかったんや。。。 というわけではなく、翻訳するとおそらく”隠れた知識”や”影の知識”になるのではないかと思います。(多分狙ってると思いますが) 面白そうだったので3分で理解できる範囲でざっとまとめてみます。 コンセプト Deep Learningでクラス分類の学習をする際、一般的にアウトプットとしてSoftmax関数が利用されます。 学習器のアウトプットおける、Softmaxの最大値が指し示すものが推定されたクラスになります。 このSoftmax関数によ
ねこと画像処理。 (みかん – 吉祥寺 きゃりこ) 前回の ねこと画像処理 part 2 – 猫検出 では画像内の猫の顔を検出する方法を紹介しましたが、今回はディープラーニングの技術を用いて猫の品種を識別したいと思います。 学習データ ねこと画像処理 part 1 – 素材集めでは、自分で撮影した写真を学習データとして使うと書いたのですが、都内の猫カフェ等で出会える猫に限ってしまうと品種の偏りが大きくなってしまうので、ここではしぶしぶ研究用のデータセットを使うことにします。。ただ、Shiba Inuがあるのに日本が誇るMike Nekoが含まれていないのでデータセットとしての品質は悪いと思います。 The Oxford-IIIT-Pet dataset オックスフォード大学が公開している動物画像のデータセットです。その内猫画像は2400枚、クラス数は12で1クラスにつき200枚あります。今
1. The document discusses knowledge representation and deep learning techniques for knowledge graphs, including embedding models like TransE, TransH, and neural network models. 2. It provides an overview of methods for tasks like link prediction, question answering, and language modeling using recurrent neural networks and memory networks. 3. The document references several papers on knowledge gra
ディープラーニングが猛威を振るっています。私の周りでは昨年から多く聞かれるようになり、私も日経BPさんの連載で昨年5月にGoogleの買収したDeep Mind社について触れました。今年はさらに今までディープラーニングについて触れていなかったメディアでも触れられるようになってきましたね。例えば、イケダハヤトさんも先日。高知でも話題になっているのですね。 私事ですが、今度湯川鶴章さんのTheWaveという勉強会で、人工知能とビジネスについて一時間ほど登壇させていただくことになりました。有料セミナーということです。チャールズべバッジの解析機関についてはこのブログでも以前触れましたが、「機械が人間を置き換える」みたいな妄想は100年位は言われていることですね。「解析機関」「機械学習」「人工知能」「シンギュラリティー」など、呼び名はどんどん変わり、流行り廃りもありますが、最近ロボットの発達も相まっ
表記のテーマは,子育て施策関係者の大きな関心事でしょう。この点については,都道府県単位のデータによる分析はありますが,県という単位は大きすぎます。それに,都市と農村という基底的な条件の違いがあり,三世代世帯率のような,他の要因の影響が入ってくる恐れがあります。 そこで私は,大都市という基底的特性を同じくする東京都内23区のデータを使って,この問題を検討してみることにします。 まずは,出生率が区ごとにどれほど違うかを明らかにしましょう。出生率とは,2013年中に25~34歳の母親から生まれた新生児数を,同年1月1日時点の25~34歳の女性人口で割った値とします(分子・分母とも日本人)。出産期の女性千人あたり,何人の子が生まれたかです。 たとえば足立区でいうと,分子は3274人,分母は38863人ですから,出生率は84.2‰となります。分子の出所は「東京都人口動態統計」,分母の出所は「東京都住
Code for Wakayamaとは、地域の課題をITの力で解決するための団体です。 私たちは、日常生活の中のさまざまな課題に対して、ソフト、ハード、サービスなどを解決するためのアイディアソンやハッカソンを定期的に開催しています。
BIBFRAME.ORG contains demonstration material for BIBFRAME 2.0 Tools BIBFRAME Editor (BFE) Demonstration site for viewing editor functionality. This demonstration editor contains a sample set of descriptions entered by LC catalogers. This sample set includes original and copy cataloging of materials in a variety of formats. Any description input by a visitor can be saved to the temporary save file
オタワの2015国際オープンデータ会議で話すサンライトのリンゼイ・フェリス。(写真のクレジット:John Wonderlich/Twitter) 先週(訳注:2015/5/28-29)、カナダ政府、国際開発研究センター、世界銀行、および開発ネットワークのためのオープンデータ(Open Data for Development Network)は、約2千人を招いてオタワで3回目の国際オープンデータ会議(IODC)を開催しました。イベントは、今年のオープンガバメント・コミュニティ向けの最大の集まりのひとつであり、、オープンガバメント・コミュニティがいかに有意義な変化を作り出すことができるかというやや困難な課題に立ち向かうために、私たちは招かれました。 私たちは、ガバメントデータが、普通の市民生活の向上にどのような影響を与えるのかを識別してほしいという依頼をよく受けます。実際この質問は、IODC
This is the official LYRASIS wiki, which provides a framework for our user communities to build references and resources. Use the links directly below to visit the home page for each of our technologies. Would you like to contribute content on the LYRASIS wiki? You will need an account. Just send an email to wikihelp@lyrasis.org to get started. Powered by a free Atlassian Confluence Open Source Pr
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く